用 AI 自动操作浏览器：Gemini 2.5 Computer Use
Google 发布了 Gemini 2.5 Computer Use 模型，能像人一样“看”并操作浏览器界面，通过点击、输入、滚动等实现复杂自动化任务。它不再依赖传统 API，直接从屏幕截图理解并执行操作，减少人工重复劳动。
1️⃣ 可视化交互：模型接收屏幕截图和你的指令，自动生成并执行浏览器操作，直到任务完成。
2️⃣ 性能领先：在 Online-Mind2Web、WebVoyager 等基准测试中表现优异，延迟低，响应快。
3️⃣ 丰富操作：内置点击、输入、滚动、拖拽、快捷键等 13 种基础 UI 操作，支持自定义功能扩展。
落地场景：端到端 UI 自动化测试、批量表单填写、信息采集与同步、电商比价等。
目前该模型已在 Google AI Studio 和 Vertex AI 提供预览版，按 Token 计费。
本地部署： https://github.com/google/computer-use-preview/
在线演示： https://gemini.browserbase.com/
用 AI 自动操作浏览器：Gemini 2.5 Computer Use
更多动态
用自然语言构建 AI 小程序
，Google 的 Opal 把你的想法直接变成 Web 应用。 Opal 是 Google Labs 的 “vibe-coding” 实验项目，通过对话描述功能，即可生成可视化工作流，降低了 AI 应用开发门槛。 最近刚完成一轮重要更新： 1️⃣ 全球扩张：现已对加拿大、日本、印度、巴西等 15 个新国家开放。 2️⃣ 核心升级：增加实时可视化调试，可单步运行、修改 prompt；支持并行执行，加速复杂流程。 非技术背景用户可快速验证创意，开发者也能用它加速原型设计。 官网： http://opal.withgoogle.com
OpenAI AgentKit：拖拽或代码轻松搭建AI Agent
OpenAI 发布 AgentKit，一套端到端工具，简化了AI Agent的开发。无论新手或开发者，都能用低成本方式快速创建自动化AI工作流。 🔹 Agent Builder 可视化拖拽，快速设计多步代理流程，内置安全护栏与版本控制。 🔹 Agents SDK 支持 Node, Python, Go 编程构建代理，与 Responses API 集成。 🔹 ChatKit 嵌入式聊天组件，轻松集成代理对话体验到应用。 🔹 Evals for Agents 性能评估工具，助力持续优化与调优代理表现。 🔗 官网: https://openai.com/agent-platform/
claude申诉失败了。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
